AI 快讯
LIVE · 24h全网 AI 动态的中文速报，聚合引擎每 15 分钟更新。
- 11 月 3 日 22:0021:50
- 21:40
arXiv 发布生成式 AI 数学基础入门书
↗ 查看原文 · arxiv.orgTianhua Chen 在 arXiv 发布 195 页修订版预印本，从 PCA、VAE、扩散模型讲到 GAN 与能量…
- 21:19
ACCA：面向自主 AI 智能体的持续授权机制
↗ 查看原文 · arxiv.org研究提出 Assurance-Conditioned Continuous Authorization，依据当前可证成的…
- 11 月 3 日 21:0020:53
- 20:36
RAGCompass：用重排序实现可泛化的检索器路由
↗ 查看原文 · arxiv.org研究者提出 RAGCompass，直接读取各检索器返回的段落集来判断哪一路更合适，无需针对特定检索器训练参数。相比最佳固…
- 20:23
- 20:20
论文指出 LLM 生成代码「验证通过」存在三层失效面
↗ 查看原文 · arxiv.org研究者将「验证通过」拆成验证器接受、规格绑定与语义保真三层，并用实验显示三者会分离：HumanEval 上验证器接受率达…
- 20:17
Anduin：基于链上支付历史的抗女巫代理市场信誉系统
↗ 查看原文 · arxiv.org研究者用 157 天、覆盖 16 条链的 6600 万笔代理交易构建买卖双方二部图，提出三种抗女巫评分算法。模拟显示操纵…
- 20:07
文章称Pratt解析对使用者而言是黑盒
↗ 查看原文 · vinipsmaker.github.io一篇技术文章认为，多数Pratt解析教程只讲算法实现，却忽略真正重要的性质；作者主张使用者无需理解内部实现即可使用。
- 11 月 3 日 20:0019:10
SlackBench：基于真实代码仓库的协作型 Agent 基准
↗ 查看原文 · arxiv.org研究者发布 SlackBench，用真实科研项目的隐私保护重演环境，包含多方对话、决策演进与对应代码变更，共 140 条…
- 11 月 3 日 19:0018:45
- 18:40
论文提出ABE方法，用契约管理企业AI Agent行为
↗ 查看原文 · arxiv.orgarXiv论文提出Agentic Behavior Engineering方法，把可观测的Agent行为而非提示词或模型…
- 18:25
PyRUA-DataFarm：用 LLM 智能体替代遥操作采集机器人数据
↗ 查看原文 · arxiv.orgarXiv 论文提出 DataFarm，让编码智能体根据一次标定片段在仿真中重建任务并渲染视频，生成可直接训练策略的数据…
- 11 月 3 日 18:0017:15
Ai2 发布 StateBench，测试模型长文档状态追踪
↗ 查看原文 · huggingface.coAi2 推出 StateBench 基准，用于评估语言模型在长文档中追踪实体状态变化的能力，覆盖从简单更新到多步依赖链的…
- 11 月 3 日 17:0016:38
AgentAM：用 LLM 智能体优化激光粉末床熔融工艺
↗ 查看原文 · arxiv.orgarXiv 论文提出 AgentAM，通过 MCP 让工艺工程师用自然语言调用飞溅与熔池代理模型，完成预测、工艺窗口扫描…
- 16:37
DSL-Bench 评测 7 个模型在 18 种 DSL 上的代码生成
↗ 查看原文 · arxiv.org研究者提出跨领域专用语言的代码生成基准 DSL-Bench，在 18 种 DSL 上评测 7 个模型，语法通过率均值 3…
- 16:31
- 16:29
Qwen 3.8 27B 在笔记本上也能解读模型权重
↗ 查看原文 · simonwillison.netSimon Willison 复现论文 Sparks of Weight-Space Programming 的示例，发…
- 11 月 3 日 16:0015:57
IBM 研究：同一模型换 harness 任务完成率从 30% 升至 81%
↗ 查看原文 · huggingface.coIBM 研究团队用同一开源权重模型在 90 个 AppWorld 任务上对比 CUGA、Hermes 和 Deep Ag…
- 15:52
研究审计 Claude Code 规格驱动开发工作流
↗ 查看原文 · arxiv.org作者用日志审计 Claude Code 的规格驱动流程，7 个项目 9 个功能中 5 个完成全部计划任务，581 个任务…
- 15:48
开发者分享 RLHF、注意力、LoRA 与 LLM 评测交互笔记
↗ 查看原文 · concepts.laxmena.comHacker News 上有人发布交互式学习笔记，内容涵盖 RLHF、注意力机制、LoRA 和 LLM 评测等主题。
- 15:20
- 11 月 3 日 15:0014:54
用 handle 替代指针：C/C++ 内存管理思路
↗ 查看原文 · floooh.github.io一篇 2018 年的旧文重新被讨论，作者介绍用索引 handle 替代 C/C++ 中的裸指针和智能指针，以缓解缓存未命…
- 14:11
Hugging Face GSM8K榜单被审计：前12名有4行借用同源checkpoint分数
↗ 查看原文 · dev.to有人审计Hugging Face上28行的GSM8K榜单，发现排名第1、2的分数来自同源checkpoint，20行是未…
- 14:10
HERIT 用 RAG 缓解历史文献翻译的时间偏差
↗ 查看原文 · arxiv.org研究者提出 HERIT 领域适配流程，借助 RAG 从汉韩语料生成伪标注数据，缓解数据稀缺与时间偏差，提升汉文到英文的历…
- 11 月 3 日 14:0013:34
- 11 月 3 日 13:0012:50
对比三大 AI 实验室的 RSI 测量：该看的是蜡，不是高度
↗ 查看原文 · dev.to有文章把 Anthropic、Google DeepMind、OpenAI 三份一手报告放在一起读，认为结论比 WSJ…
- 12:44
- 12:40
新论文提出BP-TD：多LLM智能体分歧时无监督推断真相
↗ 查看原文 · arxiv.org论文研究多个LLM智能体对同一问题给出冲突答案时的无监督真相推断，指出同源模型误差相关。作者提出BP-TD，为每个智能体…
- 12:24
开发者用零依赖工具审计 OpenAI 的 Lean 4 数学证明
↗ 查看原文 · dev.toOpenAI 发布了 Lean 4 形式化证明仓库 ten-proofs，有开发者用零依赖的旁路工具对这些证明做了独立审…
- 11 月 3 日 11:0010:50
Best-of-Depth 改进循环 Transformer 探索能力
↗ 查看原文 · arxiv.org研究提出 Best-of-Depth，按不同深度训练循环轨迹作为候选集，在 N-Queens 上覆盖率从 45.75%…
- 10:21
Self-Privileged Fine-Tuning 提出新的 SFT 加权方法
↗ 查看原文 · arxiv.org研究分析动态与静态加权对 SFT 目标分布的影响，提出 SPFT，用初始模型的冻结副本作先验指导 token 级加权。
- 10:14
- 11 月 3 日 10:0009:39
FreeForm Harness：面向移动端的开放可组合 Agent 框架
↗ 查看原文 · arxiv.org研究者提出 FreeForm Harness，用统一插件契约让第三方扩展可在手机上发布、安装与组合，并支持由 Web 编…
- 09:23
研究：多 Agent 间可用说服、欺骗与胁迫互相影响
↗ 查看原文 · arxiv.org研究在五个真实环境中测试前沿模型，发现所有被测模型都能通过说服、欺骗或胁迫让监督者从拒绝转为批准，同级 Agent 间也…
- 11 月 3 日 09:0008:32
Signals：从执行轨迹持续诊断 AI Agent 问题
↗ 查看原文 · arxiv.org研究者提出 Signals 方法，基于 45 类问题分类从 Agent 执行轨迹中识别失败、风险与低效，并给出修复建议…
- 08:05
- 11 月 3 日 08:0007:56
Vibetrace：用执行轨迹让人介入编码 Agent
↗ 查看原文 · arxiv.org基于 OpenCode 的 Vibetrace 将 Agent 工作流可视化为可交互轨迹，支持从历史步骤分叉并定向修正…
- 07:47
τ-Rec-Books：考察 Agent 推荐系统需求挖掘的基准
↗ 查看原文 · arxiv.org新基准固定用户请求、只改变需求披露时机，在 2 万本书目录上生成 450 个任务；四个 Agent 的成功率从全部披露时…
- 11 月 3 日 07:0006:47
- 06:26
新研究：伪造风险提示可操控AI代理，绕过注入检测
↗ 查看原文 · arxiv.org研究者提出“自愿奴役”攻击：在普通评论中植入一条虚构风险，代理会自行排除正常选项并选中攻击者目标。该手法成功率60.4%…
- 06:14
论文探讨“一次性实现”：编码代理或让重写取代维护
↗ 查看原文 · arxiv.org研究者提出“再生”概念：若代理能依据需求、测试和架构约束重新生成实现，替换代码可能比维护旧代码更便宜。但旧代码中未记录的…
- 11 月 3 日 06:0005:54
研究：AGENTS.md措辞影响编码代理的指令遵循率
↗ 查看原文 · arxiv.org研究在86个基准任务的代理上下文文件中以四种风格插入同一策略，发现条件式表述的遵循率低于规定式和解释式，后两者中哪种更好…
- 05:40
CloakFEM：用LLM代理生成耗尽算力的FEM对抗程序
↗ 查看原文 · arxiv.org研究者提出CloakFEM框架，自动生成语法合法、可运行但计算量激增的有限元程序，最极端案例求解迭代次数放大5752倍…
- 05:33
GPU Kernel 科普：CUDA、Triton、cuBLAS 与 torch.compile
↗ 查看原文 · dev.to一篇技术文章解释 PyTorch 运行神经网络时 Python 只是协调者，并梳理 CUDA、Triton、cuBLAS…
- 05:01
- 11 月 3 日 05:0004:57
实证研究：代码生成中规划与编码可由不同模型分工
↗ 查看原文 · arxiv.org研究比较不同规划器与编码器组合，发现几乎所有组合都与同一模型兼顾两环节相当，强规划器配强编码器通常更优，大模型规划加小模…
- 04:37
RAG 检索并非安全边界：投毒语料与无依据问题评测
↗ 查看原文 · dev.to作者搭建了采用稠密检索加 BM25 混合检索的 RAG 服务，并针对投毒语料和无依据问题做评测，结论是检索本身不构成安全…
- 11 月 3 日 04:0003:52
- 03:41
斯坦福复现 50 项 LLM 旧结论：多数已失效或减弱
↗ 查看原文 · zou-group.github.io斯坦福研究者用 20 个模型复现 50 项被广泛引用的 LLM 结论，发现多数在发表 15 个月内不再成立或效果明显减弱…